看到同Lab的神人學長都發文回饋留學版，
這次趁著清明連假登出龍泉online分享自己的經歷。
研究方向
Computer Vision and Machine Learning
申請結果
Admission:
MIT EECS PhD (Feb 7)
UIUC CS PhD (Feb 2)
UofT CS PhD (Feb 8)
Rejection:
UCB EECS PhD
CMU MLD/RI PhD
Cornell CS PhD
UW CSE PhD
Pending:
Umich CSE PhD
Decision:
MIT EECS PhD
學歷:
NTHU EE BS 2013~2017
GPA: 3.99/4.3
Honor: 書卷獎*1
英文考試:
TOEFL: R30 L28 S22 W27
GRE: V153 Q170 AW3.5
Publications:
1* 1st author top conference paper (CVPR)
1* 1st author top conference workshop challenge winner (CVPR)
2* 3rd author top conference papers (AAAI, ICCV)
工作經驗:
Visiting Student, University of Toronto, 2017
Research Intern, ITRI, 2016~2017
Summer Intern, Umbo CV Inc., 2016
推薦信:
指導教授, 清大電機 *1
指導教授, University of Toronto *1
合作教授, MIT *1
心得:
1. 推薦信:
先前的#1QhfwQP-和#1QiS9Xau也都強調過推薦信的重要性，
但我相信我的申請結果證明且呼應了”推薦信是最重要的”。
在現在人人深度學習救地球的時代，CV/ML領域的申請相當競爭，
再加上neural networks在手希望無窮，
有較高機會短時間內投上CV/ML top conferences。
所以很多申請者都是手握好幾篇top conference一座的，
因此在這樣的情況下，推薦信(connection)便會起了關鍵作用。
有計畫要申請PhD得人一定要主動爭取國外實驗室的visiting student，
並和教授發表論文因為這是短時間內證明自己拿到強推的方法。
2. Publication:
如同上段所述，現在機器學習方向的申請者個個牛鬼蛇神，
很多人publication的數量已經多到PhD都可以畢業了。
因此要擠進top schools至少要有一篇top conference一座比較有機會。
我的publication在申請者中算是很少的，
因此我自己覺得我的publication並不是能拿到ad的關鍵。
但publications能讓你在SOP和面試中有效且踏實的介紹自己的研究經驗。
我的建議是大學儘早進實驗室，早點確認自己是否對某領域有興趣，並開始累積研究成果。
一個有publications的undergraduate在申請PhD時聽說也比較有優勢
(雖然在CV/ML領域已經成為標配)。
3. SOP
我們都開玩笑說SOP複製一篇paper貼上去教授應該也不會發現，
SOP只要穩穩闡述研究經歷都不會太有問題。
當初因為時間緊迫，我自己是先花幾天寫出一個模板，
並針對各校想跟的教授特化(看幾篇教授的publications並預測其未來研究方向)。
4. 英文考試
門檻盡量要過在這裡就不多說了。
但有聽說過一個說法是PhD會看申請者的Writing，
如果W太低教授會覺得paper不是自己寫的。
當初因為快要出國了草草報名了起飛前幾天的GRE考試，
花一個禮拜的時間熟讀Mason 1000單的前600單，
狂刷考滿分就上考場了，還好出來後很幸運的成績有達標。
我必須說Mason 1000單的命中率真的出奇高，推薦大家認真背，
作文也至少要練個一到兩篇。
準備完GRE後熟悉一下TOEFL的聽力就可以去考了，跟G相比T的閱讀根本是天堂。(我的T是在多倫多考)
實驗室中很多人也是照個這個模式順利在短時間內考完兩科。
5. My Story
大二快結束時要選專題，在一串”大型積體電路...”的專題題目中，
”深度學習”這四個字吸引了我，便果斷加入了孫老師的實驗室。
當初深度學習和”AI”還沒完全在台灣紅起來，實驗室內部也算還在探索階段。
但很幸運遇到了一群實力堅強的夥伴以及一位很有想法的教授。
教授的眼光相當銳利，往往能點出領域中最關鍵的地方，
分析實驗結果時也常常神來一筆，說出一個從沒想過的方法。
再加上實驗室的氣氛很棒，催化了很多paper的誕生。
一開始也跟多數人一樣想申請master，但master有幾個我顧慮的點
1. 念完可能會破產
2. ML相關的工作幾乎都require PhD degree
3. 相較於coding4life我更喜歡研究帶來的成就感
4. 念國外master期間不容易找到指導教授，對於轉PhD並不一定比較有利
5. 聽說末班車已發，今年cs實習難找
在與教授討論後，也下定決心以PhD為目標準備申請。
現在回頭看來，用PhD的等級準備申請，
若最後反悔想念master在申請上也是完全沒問題。
大四下時我便開始規劃畢業後要用到申請deadline前的這段時間作visiting studetn。
Visiting Student，簡單來說就是去國外的實驗室做RA，目標通常是發一篇paper。
非常推薦要申請PhD的人一定要把握機會，主動寄信詢問教授是否有收visiting student。
大四下在考慮visiting時由於以下幾個原因選擇了位於加拿大的多倫多大學。
1. 教授之前聊天過，研究方向也跟那時的我蠻match
2. 通常visiting student是會給基本生活費的，也就是說需要工作簽。
加拿大在去年六月通過了一項法案，
讓短期研究者能用旅簽在加拿大有funding的做研究。(簽證30秒辦完 lol)
3. UofT是deep learning的起源地，朝聖
與教授和學校聯繫完後，我在畢業後考完英文就飛去多倫多做了四個月的visiting student。
UofT的ML group十分強大，學生也相當優秀，
我對整個領域的觀念在這裡完全大改造。
我以往的research比較是application走向，
但在這裡我開始對更fundamental的ML產生興趣。
因此在多倫多我便是早上做實驗，晚上回家看自己想看的paper，
有空也會去旁聽研究所的課。
其中，很幸運的我提出的一個idea教授覺得不錯，
並提議要不要找她在MIT的朋友合作，這也是我能申請上MIT的關鍵。
為了impress教授們，每個禮拜必須有超進度的表現，
當初確定好題目後離deadline也大概剩兩個月，所以週週趕進度。
最後我獲得了一個評語：”this student is fast”，
(雖然對一位健康的大學生這樣說有點怪怪的...)
但很幸運的也是因為這次的機會讓我能和MIT的教授互動，
進而拿到他的推薦信，並順利錄取MIT。
我必須說在這次申請我是運氣點滿的人，平凡的背景，也沒有強大的publication，
因緣際會之下到了多倫多，也很神奇的獲得和教授合作的機會。
我所做的，就只是把握每個機會，想辦法發揮100%的自己。
實驗室裡有太多比我優秀的同學和學長，能有這樣的申請結果可以說是奇蹟了。
Acknowledgements
感謝清大孫民老師
感謝UofT和MIT的指導教授
感謝清大VSLab的戰友們
感謝一路陪我走來的好友們，special thanks to ㄆㄧㄉㄉ
感謝在背後默默支持我的家人
感謝女友對我的付出與體諒
祝大家順利！